面向普通话的无词口语语言理解
计算与语言
2021-07-02 v1 声音
音频与语音处理
摘要
Siri 和 Alexa 等口语对话系统为人们的日常生活带来了极大便利。然而，当前的口语语言理解（SLU）流水线在很大程度上依赖于自动语音识别（ASR）模块，而后者需要大量特定语言的训练数据。本文提出了一种基于 Transformer 且直接作用于音素的 SLU 系统。该基于声学的 SLU 系统仅由两个模块组成，且不需要 ASR 模块的存在。第一个模块是一个通用音素识别系统，第二个模块是一个基于 Transformer 的音素语言模型。我们在普通话的意图分类数据集上验证了该系统的有效性。
引用
@article{arxiv.2107.00186,
title = {Word-Free Spoken Language Understanding for Mandarin-Chinese},
author = {Zhiyuan Guo and Yuexin Li and Guo Chen and Xingyu Chen and Akshat Gupta},
journal= {arXiv preprint arXiv:2107.00186},
year = {2021}
}